Aprendamos de

Inteligencia Artificial

Junio 2024
Alineación de expectativas

¿Cuál es mi expectativa del

Curso ?
Mapa Conceptual

Fundamentos y Ramas de la IA

Herramientas Tecnológicas Tipos y Tecnologías de IA

Modelos de
Negocio

Chatbot – Asistente Virtual Algoritmos y Aprendizaje

 Organizaciones Inteligentes

✓ Un modelo de negocio competitivo – 4 Ejes

❑ Business Intelligence (Iot) ❑ Transformación Digital

Computación la
nube

❑ Business Analytics ❑ Inteligencia Artificial

Big Data

√
Inteligencia Artificial
en los Modelos de
Negocio
Tendencias de Tecnologías

Fuente:Gartner
Visión del impacto de IA

Fuente: Diagnóstico de KPMG

Visión del impacto de IA

Fuente: Diagnóstico de KPMG

Visión del impacto de IA
 Enfoque de los modelos de negocio

✓ La IA como eje principal de cambio en el desarrollo del negocio

❑ Automatización inteligente:
o Automatizar tareas complejas del mundo real que requieren adaptación y agilidad
o Solucionar problemas relacionados con diferentes industrias y tipos de trabajo
o Autoaprendizaje
❑ Enriquecimiento del capital humano: La IA complementa las capacidades humanas y permite a los
colaboradores nuevas herramientas con las que logran desarrollar su inteligencia natural.

❑ Difusión de innovaciones (Transformación Digital): La capacidad de promover la innovación a

medida que aporta a la economía de las organizaciones.

❑ Impulsar leyes adaptadas a la inteligencia artificial

❑ Crear un código ético para la inteligencia artificial

La IA en los Modelos de Negocio
La IA en los Modelos de Negocio

¿Cómo podemos hacer

¿Quién compra nuestros llegar nuestras
productos durante promociones y ofrecer
promociones? recomendaciones de
productos/servicios a
clientes?

¿Qué productos se ¿Cómo podemos

venden juntos y qué descubrir a nuestros
productos se neutralizan clientes más influyentes?
entre ellos?

¿Cómo podemos conocer

la eficiencia de nuestros
empleados?
La IA en los Modelos de Negocio

¿Cómo podemos predecir el

¿Cómo podemos predecir
impacto de descuentos?
las ventas?

¿Cómo podemos estimar

¿Cuántas compras harán
nuestras ganancias o
nuestros clientes?
predecir precios?

¿Cúales son los productos ¿Cuándo debemos de

más vendidos? surtir?

¿Cómo incrementamos
nuestra cartera de clientes?
La IA en los Modelos de Negocio
La IA en los Modelos de Negocio
8 Pasos - Marco de referencia para aplicar IA en un
modelo de negocio

1.- Identificación de necesidades y objetivos

Antes de zambullirnos en el océano de la IA, ¿Qué problemas específicos de nuestra organización puede resolver
la IA? ¿Dónde puede aportar valor?, desde la automatización de tareas hasta la mejora de las experiencias de los
clientes, el potencial es inmenso, pero la dirección debe ser clara.

2. Selección de la solución de IA adecuada

¿Es un chatbot lo que necesitamos, o nos beneficiaríamos más del Machine Learning? La elección correcta de la
tecnología de IA es esencial y depende de nuestras necesidades identificadas previamente.

3. Elaboración de una estrategia de datos

La IA se alimenta de datos. Necesitamos planificar cómo obtendremos, recogeremos, almacenaremos y

accederemos a los datos. Además, también debemos tener en cuenta las regulaciones de privacidad de datos y
definir quién será responsable de su mantenimiento y análisis.
8 Pasos - Marco de referencia para aplicar IA
en un modelo de negocio
4. Construcción de un equipo de IA

Reunir un equipo diverso y competente es clave para el éxito de nuestra aventura en la IA.
Necesitaremos científicos de datos, ingenieros de datos, expertos en IA avanzada… pero sobre todo,
necesitaremos invertir en la formación de nuestros empleados. No podemos depender únicamente de
contrataciones externas; nuestro personal existente tiene un conocimiento invaluable del negocio que puede
y debe ser aprovechado.

5. Entrenamiento del modelo de IA

Una vez que tenemos la solución adecuada (técnicas de IA) y los datos preparados, es hora de entrenar a
nuestro modelo de IA, permitiéndole aprender patrones y hacer predicciones informadas.

6. Integración del modelo de IA en las operaciones

Después de haber entrenado y probado nuestro modelo, es momento de integrarlo en las operaciones
comerciales y procesos internos, lo cuál podría requerir ajustes en los sistemas y procesos existentes.
8 Pasos - Marco de referencia para aplicar IA
en un modelo de negocio

7. Monitoreo y evaluación del rendimiento

Una vez que nuestro modelo de IA está en acción, necesitamos vigilar su rendimiento de cerca para
asegurarnos de que está funcionando como esperábamos y entregando los resultados deseados.

8. Mejora continua

La IA no es un proyecto que se termina, sino un proceso en constante evolución. La mejora continua es

esencial para mantener nuestra ventaja competitiva en el negocio.
Modelo de negocios

▪ Yotel de Nueva York

▪ Henn-na de Nagasaki
https://youtu.be/IMrGaOHJti4
Modelo de negocios
▪ Nike Fit: Recomendar el
zapato perfecto para cada
persona. Para ello, la
aplicación
utiliza tecnología de
realidad aumentada

▪ Nike By You: Personalizar

completamente los
productos, recibir tus
zapatos en 2 a 5 semanas y
compartir tu creación con
el mundo.

Crear una experiencia

totalmente personalizada.
4 ejes
¿Reflexión?
Modelos de
Negocio ¿Importancia?
… ¿Impacto?
IA en México

▪ México está considerado dentro de los principales 25 países en el mundo, con mayor avance en la
preparación para la adopción de la tecnología de inteligencia artificial.

▪ Según Gartner:
o Sectores como el energético, retail, servicios financieros, telecomunicaciones y manufactura son los más
propensos a aprovechar la inteligencia artificial en México.

o En los próximos años el 20% de las compañías enfocarán los recursos humanos al monitoreo y guía de
redes neuronales a través de Deep Learning.

▪ Se prevé que llegarán a México 5,900 robots industriales para la automatización de operaciones, siendo el
país número 40 a nivel global en la importación robótica.
Predicciones del futuro

▪ El 35% de las empresas estadounidenses que, según IBM, ya utilizan directamente la IA,
como entre el 42% que la están explorando .

▪ En 2024 – 2026 la inteligencia artificial supere a la inteligencia humana en la traducción de

idiomas, lo cual tendría un impacto enormemente positivo en la comunicación global y en la
eliminación de barreras lingüísticas.

▪ En 2026 las máquinas sean capaces de redactar comentarios de texto de mayor calidad que los
alumnos de bachillerato. Esto plantea interrogantes sobre el futuro de la educación y el papel de
los humanos en la creación de contenido escrito.

▪ A partir de 2027, se espera que sea más seguro que los camiones sean conducidos por máquinas
en lugar de personas, lo que reducirá significativamente la tasa de accidentes de tráfico y
mejorará la eficiencia en el transporte de mercancías.

▪ En el ámbito comercial, se estima que en 2031 la inteligencia artificial superará a los vendedores
humanos, lo cual plantea cuestionamientos sobre el futuro de los empleos en el sector de ventas y
cómo los humanos se adaptarán a esta nueva realidad.
Conclusión
Visión Empresarial
❑ Planeación y visión 4 Ejes: Inteligencia de Negocios (BI), Inteligencia Analítica,
Estratégica competitiva Transformación Digital, Inteligencia Artificial

❑ Enfocar los recursos en

tareas más prioritarias ✓ Mejorar la experiencia del cliente

❑ Capacidad predictiva y de ✓ Agilidad organizacional y capacidad de sobreponerse a momentos críticos y

proyección adaptarse

❑ Mejor conocimiento de los ✓ Automatizar tareas repetitivas y/o complejas

clientes y productos
(procesamiento de ✓ Simular escenarios (crear el mejor modelo más efectivo para incrementar
volúmenes de datos) ganancias)

❑ Reducir tasas de error ✓ Reducir costos y optimizar los recursos de manera eficiente
(Quejas, devoluciones, etc)
❑ …. ✓ Evaluar y responder rápidamente a los riesgos operativos, financieros, etc

✓ …
Modelos de Negocio √
Fundamentos
y
Ramas
Evolución
1990s 2010s
• Surgimiento del • Surgimiento de modelos
aprendizaje por generativos, como GANs,
1950s refuerzo.
• “EUREKA Prometheus
diffusion models.
• AI aplicada a negocios.
• Alan Turing propone el
project”, proyecto de
"Test de Turing".
vehículos autónomos.
• Nace el término
• Popularidad a SVM.
"inteligencia artificial"
en la Conferencia de
Dartmouth.
• Perceptrón hecho por
Frank Rossenblatt.
1970s
• Lanzamiento de
PROLOG.
• Primera edad de hielo 2020s
en la AI. • Aceleración de AI
Generativa.
• Modelos LLMs
2000s como GPT, BARD,
• Popularidad de técncias Claude, etc.
• R&D por parte de
1980s de boosting.
• Redes neuronales laboratorios de AI.
• Resurgimiento del convolucionales. • AI as a Service.
interés por redes • Reconocimiento de voz. • Búsqueda hacia
1960s neuronales.
• Segunda edad de
• Resurgimiento de deep
learning.
una AGI.
• Surge LISP. hielo en la AI. • Popularidad de
• ELIZA, un chatbot • Nacimientos del competencias (Netflix
temprano, es creado algoritmo Prize)
en el MIT. backpropagation.
Definición

A través de algoritmos avanzados y sistemas de aprendizaje automático, se ha logrado

que las máquinas no solo ejecuten tareas específicas bajo ciertas reglas, sino que
también aprendan y se adapten a partir de los datos que procesan.
Definición

Responsabilidad de la Inteligencia Artificial

Ramas de la IA
Ramas de la IA
Herramienta para generar imágenes y arte con inteligencia
artificial

El modelo aprende conceptos a partir de imágenes. Cada vez que

https://www.craiyon.com
introduzcas una indicación, creará imágenes únicas basadas en su
conocimiento actual e intentará combinar los conceptos de tu
indicación de forma creativa.
Herramienta usando redes neuronales

Quick Draw es una herramienta capaz de reconocer objetos

a partir de bocetos rápidos. Pero a pesar de tratarse de un
sencillo juego (muy adictivo, por cierto), detrás tiene una
https://quickdraw.withgoogle.com
compleja red neuronal artificial que se va haciendo más
inteligente conforme ponemos a prueba nuestras
habilidades de dibujo.
 Aprendamos de
Inteligencia Artificial

Junio 29, 2024

Reforzamiento de Conocimientos
WWW.kahoot.it
 Fundamentos
√
y
Ramas de IA

Tipos y Tecnologías IA
Tipos de inteligencias

ANI ASI
AGI
(Artificial Narrow Intelligence) (Artificial Super Intelligence)
(Artificial General Intelligence)
Diseñada y entrenada para Es una forma de AI con la
Tiene la capacidad de
realizar una y solo una tarea. capacidad cognitiva de los seres
entender, aprender y aplicar
Inteligencia Artificial Estrecha Es un humanos en cualquier disciplina.
conocimientos diferentes , así
término utilizado para reconocer que como la capacidad de realizar
todas las aplicaciones actuales de la IA Es un ideal de hacia dónde podría ir
diferentes tareas a la vez
pueden utilizarse eficazmente para la IA
realizar algunas tareas específicas, pero Se refiere a la idea de que la inteligencia humana general, que abarca
que no suelen ser buenas cuando se diferentes dominios y capacidades, podría ser igualada o incluso superada
utilizan en otro contexto. por las máquinas. Algunas investigaciones utilizan el término “Súper
Inteligencia Artificial”.
8 Tecnologías de la Inteligencia Artificial

Solución de Problemas
y/o Necesidades
Tecnologías de la Inteligencia Artificial
Reconocimiento de patrones

Se trata de diferentes técnicas de clasificación para identificar los subgrupos con

características comunes en cada grupo, y con el grado de asociación se obtiene una
conclusión diferente.

Procesamiento de Lenguaje Natural

El procesamiento del lenguaje natural es una de las técnicas más interesante en la IA, ya
que tiene por objetivo estudiar el lenguaje de los seres humanos para poder acceder desde
a una computadora hasta todo tipo de dispositivos inteligentes.

Requiere el conocimiento léxico, sintáctico, semántico de las palabras, de fonología y de

la información para manejar ambigüedades que se presenten en el habla; también requiere
de los conocimientos para el procesamiento de lenguaje escrito.
Tecnologías de la Inteligencia Artificial
Robótica
Automatización de tareas repetitivas mediante software.

La robótica tiene por objetivo diseñar y desarrollar máquinas que sean capaces de realizar
procesos mecánicos y manuales mediante la interacción de un sistema de control y un
sistema sensorial con el que cuentan, permitiendo así, responder a los cambios que surgen
en el entorno del mundo real.

Redes neuronales

Realizar funciones cognitivas del ser humano.

Las redes neuronales son sistemas de cómputo distribuidos y paralelos inspirados en la

estructura del cerebro humano.
Tecnologías de la Inteligencia Artificial
Búsqueda de Soluciones
En la Inteligencia Artificial es fundamental considerar la búsqueda heurística como una de las
formas más eficientes en la solución de problemas, la búsqueda heurística, es utilizada para
escoger una ramificación con mayor posibilidad de éxito (explorar los caminos más
prometedores) y acotar así el número de soluciones exploradas.

Representación del conocimiento

El fin de la representación de conocimiento es organizar la información sobre el dominio

o tema a tratar, de tal manera que el algoritmo de la Inteligencia Artificial puede accesar
fácilmente la información para hacer decisiones, planear, reconocer objetos y
situaciones , analizar, sacar conclusiones y otras funciones cognitivas.
Tecnologías de la Inteligencia Artificial
Algoritmos Genéticos
Una de las características de los algoritmos genéticos es que tiene la capacidad de “castigar”
las malas soluciones, y de “premiar” a las buenas, de forma que estas últimas se propaguen
con mayor rapidez.

Sistema de Expertos

Los sistemas expertos estudian la simulación de los procesos intelectuales de los

expertos humanos que les permiten interactuar con objetos del mundo real y llevar a
cabo tareas de forma precisa, rápida y cómoda, semejantes a las tareas propias de un
ser humano por medio del procesamiento de información y las técnicas para la solución de
problemas
Video de reforzamiento
Riesgos
Reflexión
Reflexión
Herramienta usando IA

https://www.chatpdf.com Es aquí donde surge ChatPDF, una herramienta innovadora

basada en inteligencia artificial, diseñada para simplificar el
proceso de resumir y analizar documentos PDF.
Inteligencia Artificial Generativa
 Inteligencia Artificial Tradicional Vs IA Generativa

❑ Tradicional: Los modelos utilizan

datos observados para hacer
predicciones sobre lo desconocido

❑ Generativa: Los modelos utilizan

algoritmos no supervisados que
permiten la generación de nuevos
contenidos y datos
Inteligencia Artificial Generativa
 Inteligencia Artificial Generativa

3. Potencial Transformador: La IA generativa tiene el potencial de

cambiar fundamentalmente cómo operan los negocios,
ofreciendo oportunidades para reimaginar procesos de trabajo,
mejorar la productividad e impulsar la innovación en diversos
sectores.

1.Modelos Fundamentales: Existen redes 4. Consideraciones Técnicas y Operativas: Las empresas deben
neuronales están entrenadas con vastas evaluar sus capacidades técnicas, arquitectura de datos y
cantidades de datos diversos, lo que permite a la modelos operativos para implementar y aprovechar
IA generativa realizar una amplia gama de tareas. efectivamente las tecnologías de IA generativa.

5. Caminos de Implementación: Existen múltiples vías para

2. Valor Comercial y Riesgos: Si bien la IA implementar la IA generativa, desde utilizar herramientas listas
generativa ofrece casos de uso novedosos y puede para usar hasta desarrollar aplicaciones personalizadas o incluso
mejorar los procesos comerciales existentes, construir modelos fundamentales desde cero, dependiendo del
también introduce nuevos riesgos, incluidos caso de negocio y la inversión requerida.
resultados menos precisos en algunos casos. La
gestión efectiva de riesgos y el establecimiento de
salvaguardas adecuadas son cruciales.
Inteligencia Artificial Generativa

8. Consideraciones Éticas y Regulatorias: Las empresas

deben navegar preocupaciones éticas, como el sesgo
algorítmico y la privacidad de los datos, y mantenerse al
tanto de los paisajes regulatorios en evolución para
asegurar un uso responsable y conforme de la IA
generativa.
6. Rol de los CEO y Líderes: El liderazgo juega un
papel crítico en impulsar las iniciativas de IA
generativa, desde identificar oportunidades de
creación de valor hasta asegurar que la organización
esté equipada para manejar los riesgos asociados y 9. Experimentación Estratégica y Escalado: Comenzar
los requisitos técnicos. con proyectos piloto o iniciativas "faro" puede permitir
a las organizaciones probar, aprender y demostrar el
7. Preparación Organizacional y Talento: El éxito con valor de la IA generativa, preparando el escenario para
la IA generativa requiere no solo la tecnología y los una adopción más amplia y transformación.
datos adecuados, sino también la combinación
correcta de talento, incluidos científicos de datos,
ingenieros y expertos en el dominio, junto con una
fuerza laboral capacitada para usar herramientas de
IA de manera efectiva.
Clasificación de la Inteligencia Artificial Generativa
Correlación de IA

Artificial intelligence

Machine Learning

Deep Learning

RPA
Robotics
Gen
AI

Natural Language
Processing
Computer Vision
Correlación de IA

Artificial intelligence

Machine Learning

Deep Learning

RPA
Robotics
Gen
AI
Natural
Language
Processing Computer Vision
Correlación de IA
Con machine learning podemos llevar a cabo tareas de…

Artificial intelligence

clasificación regresión

y podemos optar por usar múltiples modelos …

Machine Learning

Deep Learning …¡Entre otros más!

Redes Árbol de Bayes

RPA neuronales decisión
Robotics
Gen y resuelven problemas como…
AI

Natural Language
Processing
Computer Vision

Sistemas de Detección de Predicción de

recommendación fraude precios
Correlación de IA
Con deep learning podemos llevar a cabo tareas de…

Artificial intelligence

clasificación regresión generación

y podemos optar por usar múltiples arquitecturas con diferentes capas

Machine Learning

Deep Learning …¡Entre otros más!

Capas de Capas
RPA Transformers
densidad convolucionales
Robotics
Gen y resuelven problemas como…
AI

Natural Language
Processing
Computer Vision

Reconocimiento
Arte generativo Detección
facial
Correlación de IA
Con generative AI podemos llevar a cabo tareas de…

Artificial intelligence

síntesis simulación generación

y podemos optar por usar múltiples arquitecturas

Machine Learning

Deep Learning …¡Entre otros más!

Difussion GANs
RPA models
Robotics
Gen Los modelos más famosos son:
AI

Natural Language
Processing
Computer Vision

GPT-4 Stable diffusion DALLE

Correlación de IA

Artificial intelligence Con NLP podemos llevar a cabo tareas de…

Machine Learning análisis de

chatbots traducción
sentimientos

Deep Learning
y podemos optar por usar redes neuronales u otros procesos matemáticos
RPA
Robotics
Gen
AI …¡Entre otros más!
Natural Language
Processing LSTM TF-IDF Embeddings
Computer Vision
Correlación de IA

Artificial intelligence Con CV podemos llevar a cabo tareas de…

Machine Learning detección

segmentacion
facial

Deep Learning
y podemos optar por usar redes neuronales u otros procesos matemáticos
RPA
Robotics
Gen
AI …¡Entre otros más!
Natural Language
Processing Convolucionales Coseno
Computer Vision
Correlación de IA

Artificial intelligence Con robótica podemos llevar a cabo tareas de…

Machine Learning manipulación navegación y control de

de objetos mapeo movimiento

Deep Learning
y podemos optar por usar inteligencia artificial, así como otras áreas de
RPA conocimiento como…
Robotics
Gen
AI
…¡Entre otros más!
Natural Language
Processing
Computer Vision Robots Drones LiDAR
autónomos
Correlación de IA

Artificial intelligence Con RPA podemos llevar a cabo tareas de…

Machine Learning extracción de generación

automatización
datos de informes

Deep Learning
y podemos optar por usar diferentes herramientas y enfoques, como…
RPA
Robotics
Gen
AI
…¡Entre otros más!
Natural Language
Processing
Computer Vision Automatización OCR Asistencia
de mails virtual
Herramienta usando IA

https://gamma.app/?lng=es-ES Gamma AI ppt es una herramienta de presentación que te ayuda

a crear presentaciones con IA. Gamma AI le permite presentar
ideas e información de forma concisa utilizando texto,
imágenes y gráficos.
Gracias